摘要：
2026年9月20日，阿里通义千问推出Qwen-Image-2.1，一款一体化图像生成与编辑模型。视觉生成部分仅7B参数，采用32层Single-Stre... 2026年9月20日，阿里通义千问推出Qwen-Image-2.1，一款一体化图像生成与编辑模型。视觉生成部分仅7B参数，采用32层Single-Stream DiT架构，把文生图与图像编辑收进同一套参数，原生支持透明图像生成、透明图层编辑与抠图，最多可输入10张参考图。在Qwen-Image-Bench榜单上以60.28分成为开源模型最高分，与闭源旗舰Nano Banana 2.0的59.82分只差0.46分。
透明通道变成一等公民
这一代最值得关注的改动，是把透明图像能力合并进统一模型。模型会依提示词自行判断输出普通图像还是带透明通道的图像，不再需要单独的抠图链路。输入一张普通RGB照片，也能提取指定主体并输出带透明通道的RGBA图层；透明图层内的文字同样可以直接改字。此前这项能力由2025年12月的Qwen-Image-Layered单独承担，本代将其并入统一模型。对电商视觉设计和平面素材制作而言，这意味着海报、Banner与Logo初稿可以直接产出透明素材，免去抠图环节。
混合粒度注意力与KV Cache复用
7B参数要保住生成质量，靠的是推理侧优化。文本部分走Token级因果掩码，图像生成部分走Chunk级掩码，两者混在同一套注意力里。输入图像与编辑指令被当作静态上下文，在首步预计算并写入KV Cache。参考图越多，这套复用带来的显存与耗时收益越明显。最多10张参考图的场景里，包括把6张人像整合进同一张合照、用模特与服装鞋包共5张图生成整套搭配、参考10张家居图输出完整室内布置效果。
三种显式局部编辑控制
局部编辑提供圈选、涂抹与独立掩码三种方式：圈选可直接在图上圈出多个区域并分别下达指令，涂抹以笔刷划定改动范围，独立掩码把原图与掩码作为两张图片输入，避免覆盖原始信息。相比纯自然语言描述位置，显式范围在多次迭代编辑中更不易漂移。人像与商品一致性也同步增强，强化了面部细节还原，并尽量保持商品的文字、纹理与形态一致。
与闭源旗舰只差0.46分
榜单上Seedream 4.5与FLUX 2 Max同样在55分上下，参数量分别是32B与20B。Qwen-Image-2.1用7B参数把“开源追平闭源”的差距压到半分以内，参数量只有同分闭源模型的四分之一左右。在AI工具导航的图像生成分类中，这种“小参数、可自部署”的路线为电商与品牌设计团队提供了闭源API之外的选项。对于关注AI办公软件推荐的团队，透明素材与批量改图能力可直接嵌入设计工作流。
使用与许可
模型提供在线体验与本地部署两条路径。权重已在GitHub、Hugging Face与ModelScope同步开放，视觉生成部分7B参数，单卡即可部署。但许可为研究许可，明确禁止商业使用，商用需另行申请授权。需要商用授权的团队选型时需把授权成本与替代方案一并比较。适用人群：需要自建部署、对素材版权与数据出域有要求的电商与品牌设计团队，以及需要透明素材与批量改图能力的平面设计与影楼后期从业者。